Guide de démarrage rapide : Seeed Studio reCamera avec Ultralytics YOLO26#

reCamera a été présenté à la communauté de l'IA lors de YOLO Vision 2024 (YV24), l'événement hybride annuel d'Ultralytics. Il est principalement conçu pour les applications d'IA en périphérie, offrant de puissantes capacités de traitement et un déploiement sans effort.

Grâce à la prise en charge de diverses configurations matérielles et de ressources open source, il constitue une plateforme idéale pour le prototypage et le déploiement de solutions innovantes de vision par ordinateur en périphérie.

Pourquoi choisir reCamera ?#

La série reCamera est spécialement conçue pour les applications d'IA en périphérie et adaptée aux besoins des développeurs et des innovateurs. Voici ce qui la distingue :

• Performances optimisées par RISC-V : au cœur du système se trouve le processeur SG200X, basé sur l'architecture RISC-V, qui offre des performances exceptionnelles pour les tâches d'IA en périphérie tout en maintenant une bonne efficacité énergétique. Capable d'exécuter 1 000 milliards d'opérations par seconde (1 TOPS), il gère facilement des tâches exigeantes comme la détection d'objets en temps réel.

• Technologies vidéo optimisées : prend en charge des normes avancées de compression vidéo, notamment H.264 et H.265, afin de réduire les besoins en stockage et en bande passante sans sacrifier la qualité. Des fonctionnalités comme l'imagerie HDR, la réduction du bruit 3D et la correction de l'objectif garantissent des images de qualité professionnelle, même dans des environnements difficiles.

• Double traitement écoénergétique : tandis que le SG200X prend en charge les tâches d'IA complexes, un microcontrôleur 8 bits plus petit gère les opérations simples pour économiser l'énergie, ce qui rend reCamera idéale pour les configurations alimentées par batterie ou à faible consommation.

• Conception modulaire et évolutive : reCamera est conçue avec une structure modulaire composée de trois éléments principaux : la carte principale, la carte du capteur et la carte de base. Cette conception permet aux développeurs de remplacer ou de mettre à niveau facilement les composants, garantissant flexibilité et pérennité pour les projets en évolution.

Configuration matérielle rapide de reCamera#

Suis la page Premiers pas avec reCamera et sélectionne ton appareil (par exemple, reCamera série 2002, Gimbal ou HQ POE) pour ouvrir son guide de démarrage rapide et effectuer la configuration initiale, notamment connecter l'appareil à un réseau et accéder à l'interface web de Node-RED pour prévisualiser rapidement les résultats de détection.

Inférence avec les modèles YOLO26 préinstallés#

reCamera est livrée avec quatre modèles Ultralytics YOLO26 préinstallés et tu peux simplement sélectionner le modèle souhaité dans le tableau de bord Node-RED.

• Détection (YOLO26n)
• Segmentation (YOLO26n-seg)
• Classification (YOLO26n-cls)
• Estimation de pose (YOLO26n-pose)

Étape 1 : si tu as connecté reCamera à un réseau, saisis l'adresse IP de reCamera dans un navigateur web pour ouvrir le tableau de bord Node-RED. Si tu as connecté reCamera à un PC via USB, tu peux saisir 192.168.42.1. Tu verras ici que le modèle de détection YOLO26n est chargé par défaut.

Étape 2 : clique sur le cercle vert dans le coin inférieur droit pour accéder à l'éditeur de flux Node-RED.

Étape 3 : clique sur le nœud model, puis clique sur On Device.

Étape 4 : choisis l'un des quatre modèles YOLO26n préinstallés, puis clique sur Done. Par exemple, nous allons sélectionner YOLO26n Pose

Étape 5 : clique sur Deploy et, une fois le déploiement terminé, clique sur Dashboard.

Tu pourras maintenant voir le modèle d'estimation de pose YOLO26n en action !

Exportation vers cvimodel : conversion de ton modèle YOLO26#

Si tu souhaites utiliser un modèle YOLO26 entraîné sur mesure avec reCamera, suis les étapes ci-dessous.

Nous allons d'abord convertir un modèle PyTorch en ONNX, puis le convertir au format de modèle MLIR. Enfin, MLIR sera converti en cvimodel pour exécuter l'inférence sur l'appareil.

Exporter vers ONNX#

Exporte un modèle Ultralytics YOLO26 au format de modèle ONNX.

Installation#

Pour installer les packages requis, exécute :

pip install ultralytics

Pour obtenir des instructions détaillées et les bonnes pratiques relatives au processus d'installation, consulte notre guide d'installation Ultralytics. Si tu rencontres des difficultés lors de l'installation des packages requis pour YOLO26, consulte notre guide des problèmes courants pour trouver des solutions et des conseils.

Utilisation#

from ultralytics import YOLO

# Load a YOLO26 model
model = YOLO("yolo26n.pt")

# Export the model to ONNX format
model.export(format="onnx", opset=14)  # creates 'yolo26n.onnx'

Pour plus de détails sur le processus d’exportation, consulte la page de la documentation Ultralytics consacrée à l’exportation.

Exporter ONNX vers MLIR et cvimodel#

Après avoir obtenu un modèle ONNX, consulte la page Convertir et quantifier des modèles d'IA pour convertir le modèle ONNX en MLIR, puis en cvimodel.

Benchmarks#

Bientôt disponible.

Applications concrètes de reCamera#

Les capacités avancées de vision par ordinateur et la conception modulaire de reCamera la rendent adaptée à un large éventail de scénarios réels, aidant les développeurs et les entreprises à relever facilement des défis uniques.

• Détection des chutes : conçue pour les applications de sécurité et de santé, reCamera peut détecter les chutes en temps réel, ce qui la rend idéale pour les soins aux personnes âgées, les hôpitaux et les environnements industriels où une intervention rapide est essentielle.

• Détection des équipements de protection individuelle : reCamera peut être utilisée pour garantir la sécurité au travail en détectant en temps réel le respect des règles relatives aux EPI. Elle aide à déterminer si les travailleurs portent des casques, des gants ou d'autres équipements de sécurité, réduisant ainsi les risques dans les environnements industriels.

• Détection des incendies : les capacités de traitement en temps réel de reCamera en font un excellent choix pour la détection des incendies dans les zones industrielles et résidentielles, en fournissant des alertes précoces pour prévenir d'éventuelles catastrophes.

• Détection des déchets : elle peut également être utilisée pour des applications de détection des déchets, ce qui en fait un excellent outil pour la surveillance environnementale et la gestion des déchets.

• Détection des pièces automobiles : dans les secteurs de la fabrication et de l'automobile, elle aide à détecter et à analyser les pièces automobiles pour le contrôle qualité, la surveillance des chaînes de montage et la gestion des stocks.

FAQ#